[发明专利]基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法

说明书

本发明公开一种基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法，该方法的主要思想是：先计算像素局部邻域的色差直方图(CDH)，然后采用模糊c均值聚类(FCM)来获得模糊色差直方图，紧接着进行背景建模，并使用相似性匹配检测前景，进一步采用基于块匹配的卡尔曼滤波器进行目标追踪。提出的基于模糊色差直方图FCDH的背景减除机制采用补丁级方法代替像素级，这种方法是将重点放在色差上，而不是色彩大小上。通过减少虚假错误的数量，FCDH可以显示出优良的性能。

技术领域

本发明属于信息科学、计算机视觉、机器学习、模式识别等多个技术领域，特别是涉及一种基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法。

背景技术

目前，监控视频信息的自动处理与预测在信息科学、计算机视觉、机器学习、模式识别等多个领域中受到极大的关注。而如何有效、快速抽取出监控视频中的前景目标信息，是其中非常重要而基础的问题。这一技术已被广泛应用于视频目标追踪，城市交通检测，长时场景监测，视频动作捕捉，视频压缩等应用中。

传统的运动目标检测方法包括帧差法、背景减除法和光流法。帧差法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动目标。帧差法的优点是算法简单，速度快，易于硬件实现，能够较好的适应环境变化大的情况，但对于图像序列中运动缓慢的目标，难以有效检测出完整前景，运动实体内部容易产生较大“空洞”。光流法是通过建立目标运动矢量场，用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。光流法在运动背景环境中也可以对运动目标进行检测，但其最大的缺点是计算量过大，难以做到实时检测。

在进行运动目标检测时，不仅仅目标本身，而且还受到其他因素的影响，例如变化的照明、动态背景、拥挤的场景和遮挡。在摄像机不稳定的情况下，运动物体检测问题变得更加具有挑战性，因为背景不再是静态的，背景减法方法不能再被使用。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提出一种基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法，提出的基于模糊色差直方图FCDH的背景减除机制采用补丁级方法代替像素级，这种方法是将重点放在色差上，而不是色彩大小上。通过减少虚假错误的数量，FCDH可以显示出优良的性能。

为了达到上述目的，本发明所采用的技术方案是：基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法，其特征在于，所述方法包括如下步骤：

步骤1，计算像素局部邻域的色差直方图CDH；

步骤2，采用模糊c均值聚类FCM来获得模糊色差直方图；

步骤3，进行背景建模，并使用相似性匹配检测前景；

步骤4，采用基于块匹配的卡尔曼滤波器进行目标追踪。

进一步地，步骤1使用对应于两个颜色分量的色差来计算像素的局部邻域的色差直方图CDH，具体包括；

1.1计算色差值：读入视频段中的所有帧并进行保存，分别记为I₁，I₂，…，I_m∈N^m×n，其中，M为视频段中的总帧数，m，n为每帧图片的大小；将具有强度等级I(p，q，ch)的彩色图像量化为W个等级，I∈{0，1，2，...W-1}；(p，q)是位置坐标，ch是颜色通道，将RGB图像转换为CIE L*a*b*颜色模型；

求在以位置(p，q)为中心的小局部N×N邻域中的色差d，使用下式计算：

其中，I(r，s，ch)表示邻域中像素的强度；

1.2色差直方图：使用高斯隶属函数将从(1)计算出的色差d模糊化为：